Python3 socket/cchardet每日一练(编码不标准的网页,无法识别)

代码:

import socket, cchardet, ssl, time
def htmlText(url, headers=None, charset=None):
    headers = {'User-Agent': 'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)'} if not headers else headers
    url = url if url[-1] == '/' else url + '/'
    s, host = socket.socket(socket.AF_INET, socket.SOCK_STREAM), url.split('/')[2]
    port, html = 80, b''
    if 'https://' in url:
        s, port = ssl.wrap_socket(s), 443
    msg = 'GET /{0} HTTP/1.1\r\nHost: {1}\r\n{2}: {3}\r\nConnection: close\r\n\r\n'.format(url.split('/', 3)[3], host, headers.keys(), headers.values())
    s.connect((host, port))
    s.send(msg.encode())
    while True:
        rev = s.recv(1024)
        if not rev: break
        html += rev
    charset = (cchardet.detect(html)['encoding'] if charset else 'utf-8') if not charset else charset
    return html.decode(charset, errors='ignore')
if __name__ == '__main__':
    start = time.time()
    print(htmlText('http://www.baidu.com'))
    print(time.time() - start)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值